动态限星算法对RTK定位的耗时改进

李志杰

动态限星算法对RTK定位的耗时改进

李志杰

（海军装备部，重庆 400042）

差分卫导实时动态定位（RTK）依靠Kalman滤波功能的实现，当滤波器阶数过高时，会带来计算量的激增，这就会影响定位的耗时。当运算平台能力有限却需要较低的计算时间耗时，动态限星算法能够有效地将RTK的计算耗时降低至合适的耗时需求。运动平台实测结果表明，动态限星算法优化后的RTK定位耗时较优化前减少了50%。

差分卫导；实时动态定位；Kalman滤波；动态限星算法；定位耗时

0 引言

差分卫导实时动态定位（Real Time Kinematic，RTK）技术拥有高精度的导航定位能力，且能提供全天候的定位服务，因此在军民各领域得到了广泛应用[1-9]。特别，在空中加油[1]、数据链时间同步[2]、编队飞行[3-5]等应用场景，因为涉及安全风险，且需要高精度位置引导，这就对定位频率和精度提出了更高要求。定位频率的提升，依赖于处理器的运算能力，处理器运算越快，输出的定位频率就能越高。定位精度的提升，关键在于定位模型的构建和可用卫星的数量。定位模型构建越准确、越复杂，观测到的可用卫星越多，定位精度就越高，当然这就对处理器的运算能力提出了更高的要求。在处理器运算能力一定的情况下，定位精度和定位频率之间就会互相影响。

为了克服定位精度和输出频率之间的矛盾，本文在经典RTK定位算法的基础上引入了动态限星算法[10]。利用该算法对接收端的导航卫星进行质量评估，动态选择最优卫星参与定位，降低RTK算法的有效输入卫星数，以此来降低定位所需时间，提升定位输出频率。

1 RTK改进算法

本节首先分析经典RTK定位算法，并以此为基础，介绍动态限星算法。

1.1 经典RTK算法

在文献[10]中，利用扩展Kalman滤波器（Extended Kalman Filter，EKF）估计移动站的坐标、速度和载波相位单差整周模糊度信息，并使用LAMBDA算法[11-12]对观测历元中所有的模糊度进行固定，最后对载体的坐标和速度信息进行修正。为了使得Kalman模型构建更准确，考虑到移动站的运动状态中存在加速度信息，因此本文的模型中加入了移动站的加速度估计。加入加速度信息估计后的EKF滤波器原理如下所示。

定义Kalman滤波器的观测向量如式（2）所示：

D、E定义如式（4）所示：

RTK定位算法中的线性状态空间模型如式（5）所示：

1.2 动态限星算法

有着直接的关系，输入卫星的个数直接影响着这些矩阵的维度大小，进而影响到EKF算法的计算耗时，最终影响到RTK定位算法的计算耗时。因此，提出限星算法是非常有效地降低RTK计算耗时的方法。

为了保证定位精度以及EKF计算的稳定性，提出了动态限星算法。在多卫星导航系统的条件下，优先选用一种导航系统的卫星，在后续多星的情况下，以先前选定的导航系统为主，对其他导航系统的卫星进行筛选。以限星个数为例，具体操作流程如下所示：

步骤1：判断系统是否为多卫星导航系统，如果是，进入步骤2；如果否，对卫星导航系统的所有卫星按照信号强度进行排序，取信号强度最高的个卫星作为EKF的输入；

步骤2：选定A卫星导航系统，判断A卫星导航系统的卫星数是否大于，如果是，进入步骤3；如果否，对B卫星导航系统的所有卫星按照信号强度进行排序，取信号强度最高的（-）个卫星以及A卫星导航系统的个卫星作为EKF的输入。

步骤3：对A卫星导航系统的所有卫星按照信号强度进行排序，取信号强度最高的个卫星作为EKF的输入。

具体流程如图1所示。

图1 动态限星算法流程图

2 仿真验证

选择高处空旷地带安放一套Novatel卫导接收机和Microhard N920f小电台作为基站，在方舱车中安放一套Novatel卫导接收机和Microhard N920f小电台作为移动站，进行跑车试验，验证动态选星算法的性能。移动站的移动速度大约为40 km/h。基准站卫导接收机进行观测量解算，并将观测量通过电台发送到移动站，移动站接收基站数据，并结合本地接收机接收的观测数据，进行RTK解算。

为了对比说明动态选星算法的耗时性能，移动站平台同时运行动态选星算法和文献[10]中介绍的RTK定位算法，同步记录两种定位方法的耗时，方便性能对比。

基于上述设置，仿真验证实验的运算耗时如图2所示，水平定位误差如图3所示。

图2 RTK定位算法耗时

图2中，方块线表示文献[10]中定位算法的运算耗时，均值76 ms，星星线表示动态限星算法的运算耗时，均值33 ms。

图3 RTK水平定位误差

图3中，方块线表示文献[10]中定位算法的水平定位误差，分布在0～0.03 m，星星线表示动态限星算法的水平定位误差，分布在0～0.032 m。

从仿真结果可知，动态限星算法可以使RTK的定位算法耗时由76 ms降至33 ms，大大减少了运算时间，可以在处理器运算能力保持不变的情况下，提升定位的输出频率，并保持定位精度不变。

3 结论

差分卫导定位越来越广泛地运用到各种高精度位置服务的场景，对RTK定位算法的定位精度与输出频率也提出了更高的要求。为了克服处理器能力有限条件下定位精度和输出频率之间的矛盾，本文在典型RTK算法的基础上引入了动态限星技术，对参与定位的卫星进行选优，减少RTK的输入卫星数，从而减少Kalman滤波中矩阵的计算量，达到运算时间降低的目的。跑车实验结果表明，引入动态选星算法之后的运算耗时比优化前减少了50%，为输出频率提供了更多选择，同时保证了定位精度。

[1] 董新民，徐跃鉴，陈博. 自动空中加油技术研究进展与关键问题[J]. 空军工程大学学报（自然科学版），2008，9（5）：1-5.

[2] 花江. 基于差分GPS的战术数据链高精度时间同步[J]. 电讯技术，2016，56（4）：389-393.

[3] 楚瑞. EKF/UKF在编队飞行卫星GPS相对导航中的应用[J]. 空间控制技术与应用，2008，34（5）：57-60.

[4] 孙东，周凤岐，周军. 基于载波相位差分GPS的多航天器编队飞行相对导航[J]. 弹箭与制导学报，2003，S3：364-367.

[5] 李展，李晓明，杨益欢. 基于RTK的系统飞行校验研究[J]. 计算机测量与控制，2012，20（5）：1318-1320.

[6] 吕忠刚. RTK技术在送变电线路测量中的应用[J]. 测绘与空间地理信息，2004，27（5）：69-71.

[7] 蔡荣华，苏立钱，杨一挺. 浙江省省级CORS系统RTK测试与分析[J]. 全球定位系统，2009，3：41-45.

[8] 何存见，李云涛，武伟. 遥感影像结合RTK绘制中大比例尺地形图的应用研究[J]. 测绘与空间地理信息，2011，34（1）：132-135.

[9] 颜琳. 北斗/GPS双模CORS网研制与测试技术研究[D]. 上海：上海交通大学，2013.

[10] 李明富，熊杰，安毅. 厘米级“北斗”相对定位的试验验证[J]. 电讯技术，2017，57（7）：756-761.

[11] 赵兴旺，张翠英. 精密单点定位部分模糊度固定方法[J]. 中国空间科学技术，2013，2（1）：37-44.

[12] 丁赫，孙付平. 部分模糊度固定技术在动态精密单点定位中的应用[J]. 全球定位系统，2016，41（2）：32-37.

Improved RTK Positioning Time-Consuming Method Based on Dynamic Satellite-Limited Algorithm

LI Zhijie

The positioning time-consuming of the Differential Global Navigation Satellite System (DGNSS) Real Time Kinematic (RTK) technology almost depends on the Kalman filter implementation. More filter rank brings bigger computation requirements and more time-consuming. Whereas when small time-consuming is needed and poor workstation setup is existing, dynamic satellite-limited algorithm can effectively reduce time-consuming of RTK to the needed. The results of motion platforms test show that the improved RTK positioning time-consuming is about 2 times less than before.

DGNSS; RTK Positioning; Kalman Filter；Dynamic Satellite-Limited Algorithm; Positioning Time-Consuming

P228.4

A

1674-7976-(2021)-04-264-04

2021-04-19。李志杰（1981.10-），山西太原人，工程师，主要研究方向为航空电子装备性能研究及质量监督。